[发明专利]一种基于神经网络算法的直流输电线路故障测距方法

权利要求书

1.一种基于神经网络算法的直流输电线路故障测距方法，其特征在于，包括以下步骤：

搭建特高压直流输电系统模型，所述特高压直流输电系统模型包括：交流系统模型、换流站模型、输电线路模型；

获取所述特高压直流输电系统模型中暂态相互独立的线模分量和零模分量；

求取各个尺度内所述线模分量和零模分量首波头模极大值比；

构建AdaBoost-Elman集成神经网络模型，所述AdaBoost-Elman集成神经网络模型用于根据线模分量和零模分量首波头模极大值比来预测直流输电线路故障距离；

选取不同故障位置、不同过渡电阻下多个尺度内的所述线模分量和零模分量首波头模极大值比作为输入样本值，分别组成训练样本集和测试数据集；

用所述训练样本集对所述AdaBoost-Elman集成神经网络模型进行训练，直至收敛曲线满足实际精度要求；

利用所述测试数据集对训练完的所述AdaBoost-Elman集成神经网络模型进行测试，得到直流输电线路故障距离预测结果，将所述预测结果与真实值进行对比分析。

2.根据权利要求1所述的一种基于神经网络算法的直流输电线路故障测距方法，其特征在于，所述构建AdaBoost-Elman集成神经网络模型，包括：

将Elman反馈型神经网络与AdaBoost集成算法相结合，通过matlab软件构建AdaBoost-Elman集成神经网络模型。

3.根据权利要求2所述的一种基于神经网络算法的直流输电线路故障测距方法，其特征在于，所述Elman反馈型神经网络中融入了承接层，所述承接层用于记忆隐含层神经元以前时刻的输出值，使网络具有动态记忆的功能，能够以任意精度逼近任意非线性函数。

4.根据权利要求1所述的一种基于神经网络算法的直流输电线路故障测距方法，其特征在于，所述获取所述特高压直流输电系统模型中暂态相互独立的线模分量和零模分量，包括：

所述特高压直流输电系统模型中输电线路不同位置、不同过渡电阻下发生接地短路故障时，利用整流侧或逆变侧测量元件提取正负极暂态电压信号；

对所述正负极暂态电压信号进行相模变换解耦，得到相互独立的线模分量和零模分量。

5.根据权利要求4所述的一种基于神经网络算法的直流输电线路故障测距方法，其特征在于，所述求取各个尺度内所述线模分量和零模分量首波头模极大值比，包括：

通过对所述正负极暂态电压线模分量和零模分量进行多尺度小波分解；

求取各个尺度内所述线模分量和零模分量首波头模极大值比。

6.根据权利要求5所述的一种基于神经网络算法的直流输电线路故障测距方法，其特征在于，所述求取各个尺度内所述线模分量和零模分量首波头模极大值比，之后包括：

根据特高压直流输电线路模量传输函数，得出所述特高压直流输电系统模型的暂态电压线模分量和零模分量首波头模极大值比与故障距离之间的近似公式。

7.根据权利要求6所述的一种基于神经网络算法的直流输电线路故障测距方法，其特征在于，所述特高压直流输电线路模量传输函数为：

其中，A_j(ω)为直流输电线路模传输函数，U_j1(jω)为测距装置安装点检测到的高频分量，U_j(jω)为故障发生点的高频分量，γ_j为直流输电线路模衰减系数，x为故障发生点距测距装置安装点的长度。

8.根据权利要求7所述的一种基于神经网络算法的直流输电线路故障测距方法，其特征在于，所述根据特高压直流输电线路模量传输函数，得出所述特高压直流输电系统模型的暂态电压线模分量和零模分量首波头模极大值比与故障距离之间的近似公式，包括：

根据所述特高压直流输电线路模量传输函数公式(1)，推导出模量衰减特性与故障距离x的关系：

其中，α₁为线模的衰减系数，α₀为零模的衰减系数，U₁(jω)、U₀(jω)为测距装置安装点检测到的线模分量、零模分量，U_d1(jω)、U_d0(jω)为故障发生点未经线路衰减的线模分量、零模分量；

由公式(2)、(3)可得暂态电压线模分量和零模分量首波头模极大值比与故障距离之间的近似公式为：

在同一故障下的值为一常数，由式(4)知与故障距离x之间为非线性关系；

根据所述线模分量和零模分量首波头模极大值比与故障距离之间的近似公式，构建所述AdaBoost-Elman集成神经网络模型。